在全球经济不确定性加剧和市场竞争日益激烈的背景下，企业面临的经营风险和财务压力不断增大。资产负债表作为企业财务状况的“晴雨表”，不仅反映了企业的资产、负债和所有者权益的结构，还揭示了企业的偿债能力、运营效率和财务稳健性。特别是在经济波动和外部冲击下，资产负债表的韧性——即企业通过优化资产结构、降低负债风险、提升运营效率以维持财务稳定并抵御外部冲击的能力——成为企业生存和发展的关键。高韧性企业通常具备较低的财务杠杆、较高的流动性和较强的盈利能力，能够在危机中快速恢复并实现可持续发展。
民营企业作为市场经济中最活跃的主体之一，其资产负债表韧性不仅关系到企业自身的可持续发展，也对整个经济体系的稳定运行具有深远影响。2025年全国两会期间，民营企业成为重要议题之一。政府工作报告强调坚持“两个毫不动摇”，依法保护民营企业和民营企业家合法权益，鼓励民营企业建立现代企业制度。2025年5月《民营经济促进法》的正式实施，也为促进民营经济健康发展奠定了坚实的法律基础。然而，近年来民营企业在经济波动中展现出的脆弱性，如资金链断裂、债务违约等问题频发，凸显了增强其资产负债表韧性的紧迫性。与此同时，数据要素作为数字经济时代的核心生产要素，正深刻重塑企业的经营模式和财务韧性。数据要素不仅包括原始数据本身，还涵盖数据的采集、存储、分析、应用等全流程所依赖的技术、算法和治理体系。与传统生产要素不同的是，数据要素具有非竞争性、可复制性强、边际成本递减等特征，能够通过优化决策、提升运营效率和增强风险管理能力，显著改善企业的资产配置和负债结构。因此，数据要素能以其独特的价值和潜力，成为提升民营企业财务稳健性的关键突破口。
中国政府高度重视数据要素的战略价值，并通过一系列政策推动其市场化配置和应用。2015年8月国务院发布《促进大数据发展行动纲要》，标志着将大数据上升为国家战略。随后，以2015年9月贵州省成为首个国家级大数据综合实验区为起点，试点范围在2016年10月进一步扩大至京津冀、珠江三角洲、上海市、河南省、重庆市、沈阳市、内蒙古自治区9个地区，初步形成了多层次、广覆盖的探索格局。这些实验区在数据资源开放共享、产业创新协同和数据安全治理等方面开展了先行先试。为深入探索，国家发改委于2024年发布了《数据要素三年行动规划（2024—2026）》，明确到2026年初步建立数据要素市场化配置体系的总体目标，并聚焦于智能制造、金融科技等重点领域的应用深化。这些政策的提出与实施，不仅为数据要素的市场化配置和广泛应用奠定了坚实基础，也为民营企业利用数据要素提升资产负债表韧性提供了重要契机。
基于以上背景，本文以国家级大数据综合实验区建设作为准自然实验，从效率赋能与结构优化两条路径切入，揭示数据要素影响民营企业资产负债表韧性的内在机制。一方面，数据要素的深入应用可通过推动企业数字化转型、优化生产流程与创新决策模式，显著提升全要素生产率，进而增强资产运营效率和盈利韧性；另一方面，数据要素通过驱动企业轻资产运营和提升信息透明度，重塑其融资结构，促使形成低杠杆的长期资本模式，即债权型耐心资本下降，从而有效增强资产负债表韧性。通过整合效率提升与资本结构优化双重视角，本文系统地阐释了数据要素共同塑造民营企业资产负债表韧性的双重作用机制。
本文的创新之处有：其一，研究视角独特，现有文献多关注数据要素对宏观经济或企业创新能力的影响，本文则首次以国家级大数据综合实验区建设为准自然实验，系统探讨了数据要素对民营企业资产负债表韧性的影响；其二，测度方法创新，对民营企业资产负债表韧性构建四个维度的综合指标体系并采用熵值法赋权，克服了单一指标法的局限性；其三，理论机制深化，提出并验证了效率赋能与结构优化两条核心路径，分别以全要素生产率和债权型耐心资本作为代理变量，为理解数据要素的作用机制提供了新框架。此外，基于多维度的异质性分析，揭示了政策效果的差异化特征，使研究发现更为深入。
（一）文献综述
梳理相关文献后发现对企业资产负债表韧性的研究涉及多个维度。一是在战略选择与治理机制方面，民营企业通过主动调整战略布局与治理结构以增强韧性。连燕玲等研究发现战略联盟通过提升风险承担、激发创新与改善融资渠道三大路径增强民营企业韧性，该效应在高动态环境与高财务困境企业中更强。任广乾等从逆向混改视角发现，国有股东参股可拓宽董事关系网络进而提升韧性。二是从宏观金融环境的角度，刘磊和张晓晶通过国家资产负债表数据分析了中国宏观金融网络与风险，为理解民营企业资产负债表韧性提供了宏观背景。张金清基于部门流动性资产负债表的分析框架，评估中国金融安全，也进一步揭示了金融环境对民营企业资产负债表的影响。三是从银行和金融系统性风险的角度，董丰研究了银行资产负债表与金融系统性风险的关系，探讨了双支柱调控框架对民营企业资产负债表韧性的潜在影响。楚尔鸣等发现结构性货币政策能在负向冲击下校正银企结构偏差，提升民营中小企业韧性。
在数据要素的研究领域，学者从多个角度展开深入探讨，主要集中在以下三个方面。第一，在数据要素的内涵与特征方面，王谦和付晓东进一步提出数据要素具有渗透性、依赖性与自组织等经济—技术特性，并通过要素驱动、融合激发、协同提升等机制赋能经济增长。蔡跃洲和马文君则从技术—经济特征出发，强调数据要素的非竞争性、低复制成本等特性是支撑其提升生产效率、实现价值倍增的微观基础。第二，在数据要素对经济效率与创新的影响方面，研究普遍证实数据要素对全要素生产率与企业创新具有重要作用，但也提示潜在风险。邱子迅和周亚虹发现数字经济政策通过促进纯技术进步显著提升地区全要素生产率，尤其在欠发达地区效果更强。李治国、王杰进一步指出数字经济发展具有生产率提升与数据要素配置优化的双重效应，其中数据开发与应用是核心机制。第三，在数据要素的市场化配置与治理方面，研究聚焦于数据资产估值、产权界定与流动机制等关键问题。陆岷峰、欧阳文杰强调需建立以数据交易所为核心估值定价体制机制，打通数据资产市场循环。方锦程等基于政府数据平台上线表明，公共数据开放通过破除信息壁垒与弥合资源差距显著促进区域协调发展，为数据共享的宏观效益提供了证据。
在探讨数据要素对民营企业资产负债表韧性影响的研究中，现有文献的焦点多集中于企业韧性的多个维度。首先，有相关研究表明数据要素的开发和利用能够显著提升企业组织韧性、供应链韧性及产业链韧性，这些韧性维度与企业资产负债表的稳健性密切相关。例如，袁朋伟等发现公共数据要素开放通过促进企业持续创新、数字化转型和资源配置效率，显著增强企业组织韧性，从而间接优化企业财务结构。类似地，梁孝成等指出数据资产对企业韧性通过提升技术创新水平和人力资本等路径，强化企业抗风险能力。其次，数据要素影响企业韧性的机制研究进一步揭示了其可能作用于资产负债表的路径。马永军等研究发现，数实融合通过优化资本配置效率、促进技术创新和增强内部控制三条路径提升企业韧性。黄桂琴等从供应链角度出发，发现数据要素市场化通过提升技术创新能力、降低交易成本实现生产要素数字化，从而增强供应链韧性，进而稳定企业营运资金和负债结构。王晓丹等强调尤其在融资约束较高的企业中，公共数据开放对提升企业韧性作用更显著。最后，王桂虎等通过构建一个包含抵御风险能力、适应恢复能力和成长发展能力的综合指标体系，为测度企业资产负债表韧性提供了新的思路，进一步强调数据要素在提升企业财务稳健性中的重要作用。
关于数据要素如何影响民营企业资产负债表韧性的研究非常稀缺，现有文献多采用单一指标法测度资产负债表韧性，如资产负债率或流动比率，这种方法虽然简单易行，但存在显著的维度局限性，难以全面反映企业的财务健康状况。近年来，综合指标体系法逐渐受到关注。现有研究较少系统探讨数据要素如何通过提升全要素生产率和降低债权型耐心资本来增强民营企业资产负债表韧性，这为本文的研究提供了空间。因此，本文基于2009—2023年中国A股民营上市公司数据，以国家级大数据综合实验区为准自然实验，分析和验证数据要素对民营企业资产负债表韧性的影响及作用机制，并探讨背后的发展效应异质性。
（二）理论机制
1.数据要素与民营企业资产负债表韧性
数据要素作为数字经济时代的核心生产要素，其渗透与应用为提升民营企业资产负债表韧性提供了新的理论范式。资产负债表韧性的本质，是企业在外生冲击下通过内部调整保持财务稳定性的能力，其根基在于资产的流动性、盈利的可持续性以及资本结构的稳健性。理论层面，数据要素的价值在于通过信息赋能与流程重构，直接夯实这一韧性根基。数据要素的应用能够显著改善企业决策与运营的信息环境，从而直接优化财务稳健性的三大支柱。首先，基于实时、多维度的数据分析，企业能够更精准地预测市场需求与现金流波动，从而优化现金持有、应收账款等流动性资产的管理，增强短期抗风险能力。其次，数据驱动的精准营销、智能制造与供应链协同，有助于提升资产运营效率和利润率，夯实盈利这一吸收损失的缓冲垫。最后，在资本结构层面，数据要素提升的信息透明度本身就有助于降低内外部信息不对称，进而影响企业的融资选择和债权人的风险定价，为形成更具韧性的资本结构创造条件。基于此，本文提出假设H1。
假设H1：数据要素能够显著提升民营企业的资产负债表韧性
2.数据要素、效率赋能与民营企业资产负债表韧性
数据要素的应用贯穿于企业研发、生产、销售及管理等各个环节，其核心价值在于通过驱动企业智能化、精细化和敏捷化运营，显著提升资源配置效率，从而促进全要素生产率的提升。在研发端，数据分析有助于精准识别市场需求，降低创新不确定性；在生产端，基于数据的工业互联网和智能制造能够优化生产流程，减少资源浪费；在管理端，数据驱动的决策支持系统可以提升组织协同效率，降低内部交易成本。这种全方位的效率提升最终体现为企业全要素生产率的增长。而全要素生产率的提高，是夯实企业资产负债表韧性的重要源泉。更高的全要素生产率意味着企业在同等资源投入下能创造更多的产出和利润，这直接增强了企业的内部现金流能力和盈利能力，即提升了资产的“造血”功能。强大的内部资金积累使得企业在面对外部负面冲击时，拥有更厚的安全垫，能够通过自有资金缓冲冲击，避免陷入资产被迫贱卖或债务违约的困境，从而维持资产负债表的稳定性和健康度。基于此，本文提出研究假设H2。
假设H2：数据要素通过提升全要素生产率来增强民营企业资产负债表韧性
3.数据要素、结构优化与民营企业资产负债表韧性
资产负债表韧性的核心维度之一在于资本结构的稳健性，而企业的融资决策与融资能力是构成资本结构的关键。数据要素的应用，会通过改变企业的风险收益特征与信息环境，深刻影响其融资偏好与债权人的授信决策，进而重塑其资本结构，特别是债权型耐心资本的占比。具体而言，数据要素的投入和运用，增强了企业的轻资产运营特征和无形资产比重，这虽然提升了运营效率和增长潜力，但也可能因为缺乏合格的抵押品而制约其获取传统银行长期贷款的能力。同时，数据驱动带来的业务模式透明化和现金流可预测性提高，可能使企业更易吸引股权融资等权益类资本，从而主动降低对高杠杆的依赖。因此，数据要素的渗透倾向于引导企业形成一种负债水平更低，尤其是长期刚性债务占比更小的资本结构，即表现为债权型耐心资本的下降，本文债权型耐心资本用企业长期负债率来衡量。这种资本结构的优化，是增强民营企业资产负债表韧性的重要途径。因为过高的长期负债率意味着固定的利息支出和沉重的偿债压力，在经济下行或遭遇负面冲击时，会急剧放大企业的财务风险，极易导致资金链断裂。相反，由数据要素驱动形成的低杠杆资本结构，赋予企业更大的财务灵活性和抗冲击能力，显著降低了财务困境的概率，从而提升资产负债表的韧性。基于此，本文提出研究假设H3。
假设H3：数据要素通过降低债权型耐心资本来增强民营企业资产负债表韧性
（一）主要变量说明
1.解释变量：数据要素（did）
本文借鉴刘传明等的做法，本文采用国家级大数据综合实验区试点城市政策作为衡量地区数据要素发展水平的替代指标。依据国务院在2015年和2016年分两批发布的国家级大数据综合实验区示范城市名单，若城市i被列入该示范名单，则视为实验组城市，在被列入当年及之后的年份中，did变量的值为1；然而，如果未被列入的城市则归属对照组城市，did变量的值为0。基于研究样本，最终确定了57个城市作为政策实施的实验组，则另外244个城市作为对照组。
2.被解释变量：民营企业资产负债表韧性（Res）
民营企业资产负债表韧性是指企业在面对外部经济环境变化、市场波动、政策调整以及突发风险事件时，其资产负债表所表现出的抗风险能力和恢复能力。现有研究对民营企业资产负债表韧性的测量较少。部分研究是采用单一指标测度法，此法侧重于某一特定指标的动态变化，通过比较某一企业在受到冲击后该指标的变化与行业平均变化水平的比率来评估企业资产负债表韧性。该方法仅关注单一维度，难以全面反映企业财务状况，易产生评估偏差。因此，本文借鉴王桂虎等和张辽采用综合指标体系测度民营企业资产负债表韧性，创新性地构建了一个包含流动性管理能力、盈利能力、运营效率、资本结构稳健性的四个一级指标和9个二级指标的民营企业资产负债表韧性指标体系（见表1），再通过熵值赋权法计算出民营企业资产负债表韧性指数。实现了对企业资产负债表韧性更系统、更精准的测度。
表1 民营企业资产负债表韧性指标体系
3.控制变量
企业层面的控制变量包括企业规模（Size）、资产负债率（Lev）、现金流比率（Cflow）、营业收入增长率（Growth）、总资产净利润率（ROA）、净资产收益率（ROE）、第一大股东持股比例（Top1）。城市层面的控制变量包括人口规模（Pop）、人力资本水平（Edu）、产业结构高级化（Instr）。表2阐述了变量的定义与测度方法。
表2 变量定义
（二）模型设定
本文聚焦于国家级大数据综合实验区建设所体现的数据要素集聚对民营企业资产负债表韧性的影响。考虑到各地区被设立为国家级大数据综合实验区试点城市的时间不同，因此，本文采用多期双重差分法来评估该政策对民营企业资产负债表韧性的影响。参考石玉堂基准回归模型设定如下：
其中，被解释变量
表示民营企业i在第t年的资产负债表韧性；核心解释变量
为大数据综合实验区建设的政策虚拟变量；
表示企业层面可能影响民营企业资产负债表韧性的控制变量。
表示城市层面可能影响民营企业资产负债表韧性的控制变量。
分别为企业固定效应和时间固定效应。模型估计时在企业层面对标准误进行聚类调整。
为随机扰动项。模型中的β即是本文所关注的核心系数，反映了国家级大数据综合实验区建设对民营企业资产负债表韧性的平均处理效应。
（三）数据来源与处理
本文选取了2009—2023年中国A股民营上市公司作为研究对象。在样本处理过程中，参考了戴艳娟研究方法，进行了以下操作：仅保留民营化标志为“民营”的上市公司企业数据；剔除金融类企业样本；剔除带有ST或ST*标记的非正常交易的企业样本；剔除关键变量存在缺失值或异常值的样本；剔除企业只有一个观测值的样本；对连续型变量进行上下1%的Winsor（缩尾）处理，最后剩余2351家企业，14467条观测值。
国家级大数据综合实验区名单来自国家发展和改革委员会官网。其他企业财务数据来源于国泰安数据库（CSMAR）和万得（Wind）数据库，城市层面数据来源于历年《中国统计年鉴》。相关变量的描述性统计详见表3，可以看出企业层面和地区层面控制变量的差异显著，表明在模型中纳入这些控制变量是绝对必要的。此外，从did的均值可以看出整个样本中，约有30%的样本受到了国家级大数据综合实验区政策的影响，为后续多期双重差分法提供了可靠基础。
表3 描述性统计
（一）基准回归
表4报告了国家级大数据综合实验区设立对民营企业资产负债表韧性影响模型的估计结果。在同时固定企业和年份效应的基础上，第（1）列只加入城市层面控制变量，结果在5%水平上显著，第（2）列只加入企业层面控制变量，结果在1%水平上显著。第（3）列同时加入两个层面的控制变量后，结果仍在1%水平上显著为正，即表明国家级大数据综合实验区的建设的确能够显著提升民营企业资产负债表韧性，假设H1得到初步验证。
表4 基准回归结果
注：***、**、*分别表示在1%、5%、10%的水平上显著，括号内为聚类在企业层面的t值。
（二）稳健性检验
1.平行趋势检验
双重差分模型的使用前提是实验组和控制组样本在政策发生前民营企业资产负债表韧性具有变化趋势的相似性，即不会随着时间推移存在系统性差异。借鉴Jacobson、Lalonde和Sullivan的方法，检验试点政策实行前后的平行趋势，构建如下模型：
其中，current为国家级大数据综合实验区建设当期，
和
分别表示大数据综合实验区建设的前5年和后6年，其他变量含义与模型（1）保持一致。其中，本文将大数据综合实验区建设前5年之前的数据都汇总到了第1—5期，后6年之后的数据都汇总到了第5期，以政策发生前一年为基准期。平行趋势检验结果如图1，可以看出，国家级大数据综合实验区建设获批前的实验组和控制组民营企业样本的资产负债表韧性并不存在显著差异，即被解释变量的变化满足平行趋势假设。在设立国家级大数据综合实验区后开始呈现显著差异，因此，不仅共同趋势成立，动态效应分析也验证了本文研究结论的稳健性。
图1 平行趋势检验
2.安慰剂检验
基于双重差分模型的处理效应评估，可能会受到其他未被观测到的随机因素的影响而导致基准回归结果出现偏差。因此，本文为了消除此类干扰对估计结果的潜在影响，采用了虚构实验组企业方法来进行安慰剂检验。参考Chetty等的做法，构建与原本实验组企业样本的数相同数量的伪实验组，剩余企业为控制组，并为构建的实验组企业赋予政策实施时间，进行1000次模拟回归。从理论上分析，如果不存在其他随机因素或遗漏变量的干扰，检验得到的估计系数不会显著偏离零值，因此设立国家级大数据综合实验区不会对民营企业资产负债表韧性产生显著影响。
图2汇报了安慰剂检验的p值和估计系数和密度的分布情况，结果显示p值绝大部分都大于0.1，伪估计系数的均值都在0附近并近似服从正态分布，且真实的政策变量估计系数约为0.0073，明显区别于检验结果图2。因此，基本可以排除国家级大数据综合实验区对民营企业资产负债表韧性的正向影响是源于其他未观测到因素所导致。因此，本文通过了安慰剂检验，进一步验证了基准回归结果的稳健性。
图2 安慰剂检验结果
3.倾向得分匹配双重差分法
为了降低样本选择性偏误问题，本文参考了戴艳娟和石大千的做法，本文将基准回归模型中选区的控制变量视为协变量，再利用无放回抽样的方式来估计倾向得分，并选择那些倾向得分最为接近的企业样本与对照组企业进行匹配。核匹配相对于其他匹配方式能够以最大限度利用原始数据以保留更加完整全面的信息。匹配结果通过平稳性检验后，再运用多期双重差分法对倾向得分匹配后的样本重新回归，结果如表5的第（1）列，估计系数在5%水平下显著为正，进一步证实了基准回归结果的稳健性，即数据要素显著提升民营企业资产负债表韧性。
4.其他稳健性检验方法
本文分别从以下几个方面进一步做检验：替换被解释变量：用主成分分析法重新测度本文的被解释变量民营企业资产负债表韧性；单期DID：由于2015年只有贵州省建设大数据综合实验区，参考邱子迅和周亚虹的方法，剔除2015年第一批大数据综合实验区的样本可以检验政策效果评估的有效性；剔除直辖市：考虑到北京、上海、重庆、天津四大直辖市的经济规模较大，资源配置较高，参考石玉堂和王晓丹的做法剔除四个直辖市样本；排除其他政策干扰：为避免类似或相关政策交叉导致的叠加效应会对民营企业资产负债表韧性产生影响，在基准回归的基础上加入与国家级大数据综合实验区政策实施时间相近的宽带中国、智慧城市试点政策虚拟变量；加入联合固定效应：为了更好地吸收行业层面可能因时间变化产生不可观测因素的影响，本文在基准模型的基础上增加了行业×年份的固定效应。
基于以上方法的检验结果详见表5的第（2）列至第（6）列，检验结果都在1%显著水平下显著为正，依然支持原有结论，表明本文结论有较高的稳健性。
表5 其他稳健性检验结果
注：***、**分别表示在1%、5%的水平上显著，括号内为聚类在企业层面的t值。
（三）机制分析
上面的基准回归分析和稳健性检验结果为数据要素政策有效提升民营企业资产负债表韧性提供了充分证据支撑，本文采用温忠麟的思路来探索背后所遵循的机制，来探究数据要素政策与民营企业资产负债表韧性之间的逻辑路径，模型如下：
其中，
为中介变量，其余变量含义与基准模型（1）相同，模型（4）考察了政策变量对中介变量的影响，模型（5）考察了在控制政策变量时中介变量对民营企业资产负债表韧性的影响。本文重点关注
和
的符号与显著性情况，如果
和
的同时满足显著性要求，那么机制分析的逻辑链条就成立。在上述模型设定与检验逻辑的基础上，本文选取全要素生产率（TFP）与债权型耐心资本（LDR）作为中介变量，用以检验数据要素影响民营企业资产负债表韧性的效率赋能与结构优化两条理论路径。
1.效率赋能路径
本文首先检验了数据要素通过效率赋能来增强资产负债表韧性的机制。数据要素作为数字经济时代的核心生产要素，其深度应用能够通过优化资源配置、改进生产流程与激发创新活力，显著提升企业的全要素生产率。全要素生产率的增长意味着企业以同等投入创造更多产出，从而夯实其盈利能力和内生现金流能力，这构成了资产负债表韧性的微观基础，其机制检验结果如表6。
表6中第（2）列的回归结果显示，政策变量对中介变量全要素生产率的系数显著为正，这表明国家级大数据综合实验区的设立确实有效提升了区内企业的全要素生产率。第（3）列表示将核心解释变量与中介变量同时纳入模型后，全要素生产率对资产负债表韧性的系数在1%的水平上显著为正，这证实了生产效率提升对民营企业资产负债表韧性的积极影响。本文采用Boostrap检验对中介效应做进一步的检验，结果如第（4）列显示，通过全要素生产率传导的间接效应在1%的水平上高度显著，而直接效应显著为负，这明确了全要素生产率发挥了部分中介作用，即数据要素通过提升全要素生产率这一关键渠道，显著增强了民营企业的资产负债表韧性，假设H2得到验证。
表6 效率赋能路径
注：***、*分别表示在1%、10%的水平上显著，括号内为聚类在企业层面的t值。
2.结构优化路径
进一步检验数据要素通过结构优化来增强资产负债表韧性的机制。本文选取长期负债率作为债权型耐心资本的代理变量。数据要素的深度应用可能引导企业资本结构向更稳健的方向演变。一方面，数据驱动型业务模式往往具有轻资产特征，其核心资产（如数据资产）难以作为传统债务融资的抵押品；另一方面，数据要素提升的运营透明度和增长潜力，可能使企业更易获得股权融资等替代性资金来源，从而降低对刚性债务的依赖。长期负债率的下降，意味着企业利息负担减轻、财务灵活性增加，这直接降低了其在面对外部冲击时的财务风险暴露，其机制检验结果如表7。
表7第（2）列结果显示，政策变量对中介变量债权型耐心资本的系数在5%的水平上显著为负，这表明数据要素政策有效降低了企业对长期债务的依赖。第（3）列结果表明，债权型耐心资本对资产负债表韧性的系数在5%的水平上同样显著为负，即说明了高杠杆对民营企业资产负债表韧性的负面影响。采用Boostrap检验对这一中介效应做进一步的检验，间接效应在5%的水平上显著为负，这说明数据要素是通过降低一个不利于民营企业资产负债表韧性的高杠杆因素来间接提升民营企业资产负债表韧性。这个机制研究表明，优化资本结构、减轻债务负担是数据要素赋能民营企业资产负债表韧性的另一重要机制，假设H3得到验证。
表7 结构优化路径
注：***、**分别表示在1%、5%的水平上显著，括号内为聚类在企业层面的t值。
（四）异质性分析
1.按企业内部特征划分
（1）地区差异和融资约束
表8前三列的异质性检验结果揭示了数据要素政策影响企业资产负债表韧性的重要边界条件。从地区差异来看，政策效果呈现显著的东部驱动特征，仅在东部地区样本中表现出1%水平上的正向显著性，而中部地区系数虽为正但不显著，西部地区甚至出现不显著的负向效应。这一梯度分布格局鲜明体现了政策效果与区域数字化基础条件的紧密关联，东部地区凭借其完善的数据基础设施、活跃的要素市场和强大的技术吸收能力，能够更充分地转化政策红利。
融资约束按照融资约束SA指数的中位数划分分组。政策效果呈现出与资源禀赋相关的差异化特征（如表8）：在低融资约束企业样本中，政策效应在5%的水平上显著为正，而在高融资约束企业样本中，政策系数虽为正向但未通过显著性检验。这可能是源于低融资约束企业有充裕的内部资源和较强的外部融资能力。相反，高融资约束企业尽管对提升韧性有迫切需求，但可能受限于数字化转型所需的初始投入门槛，难以在短期内将数据要素的潜在价值充分转化为可观测的财务韧性改善。
表8 地区差异和融资约束异质性
注：***、**分别表示在1%、5%的水平上显著，括号内为聚类在企业层面的t值。
（2）研发投入比和企业生命周期
研发投入比和企业生命周期的异质性分析结果如表9，国家级大数据综合实验区政策对不同类型企业的资产负债表韧性影响存在显著差异。其中，本文将研发投入比按照中位数划分分组。第（2）列结果显示高研发投入比企业在1%的水平上显著，表明政策显著提升了这些企业的资产负债表韧性。高研发投入比企业通常具备更强的技术吸收能力和创新能力，能够更有效地利用数据要素优化资产配置和提升运营效率。相比之下，低研发投入比企业未通过显著性检验，表明政策对其资产负债表韧性影响较弱。
本文将企业年龄小于10的企业视为初创期企业，企业年龄在10至15的企业视为成长期企业，企业年龄大于15的企业视为成熟期企业。从企业生命周期的结果表9来看，第（3）列显示初创期企业在1%的水平上显著，表明政策显著提升了这些企业的资产负债表韧性。初创期企业通常处于快速成长阶段，能够通过数据要素的应用优化资源配置，提升财务稳定性。然而，成熟期企业在10%的水平上显著，可能是通过数据要素政策试点有效助力其破解组织僵化，通过数字化转型激发第二增长曲线，从而提升企业的资产负债表韧性。相比之下，成长期企业不显著，可能是因为企业战略重心在于规模扩张，对数据要素的系统性整合和吸收并非当期优先任务。
表9 研发投入比和企业生命周期异质性
注：***、**、*分别表示在1%、5%、10%的水平上显著，括号内为聚类在企业层面的t值。
2.按外部特征划分
根据《国民经济行业分类》（GB T4754-2017）的相关规定，依据行业特性，将六类行业被列为高度依赖数据要素的行业。从行业层面来看，高度依赖数据行业和非高度依赖数据行业在国家级大数据综合实验区政策的影响下表现出显著的差异。结果如表10所示，对于高度依赖数据行业，在1%的水平上显著且显著为正，表明国家级大数据综合实验区政策显著提升了民营企业的资产负债表韧性。这一结果可能源于高度依赖数据行业本身具备较强的技术基础和创新能力，能够更有效地利用政策红利，推动数字化转型，从而增强其财务稳健性。相比之下，对于非高度依赖数据行业并不显著，说明政策对这些企业的资产负债表韧性影响较弱。这可能是因为非高度依赖数据行业在技术基础和资源禀赋方面相对不足，难以充分吸收和利用政策带来的技术、人才和资金支持，导致政策效果不明显。
表10 外部特征异质性
注：***、**分别表示在1%、5%的水平上显著，括号内为聚类在企业层面的t值。
（一）主要结论
本文以国家级大数据综合实验区建设作为准自然实验，基于2009—2023年中国A股民营上市公司数据，利用多期双重差分法实证检验了数据要素对民营企业资产负债表韧性的影响及其作用机制。主要研究结论如下。
第一，数据要素能显著提升民营企业资产负债表韧性。基准回归结果表明，国家级大数据综合实验区政策的实施对试点地区民营企业的资产负债表韧性产生了显著的促进作用，这一结论在经过平行趋势检验、安慰剂检验、倾向得分匹配等一系列稳健性检验后依然成立。
第二，数据要素主要通过效率赋能与结构优化两条路径影响民营企业资产负债表韧性。机制分析结果表明，一方面，数据要素通过提升企业全要素生产率，增强了企业的资产运营效率和盈利韧性；另一方面，数据要素通过驱动企业轻资产运营和提升信息透明度，引导其形成更低长期负债率的资本结构，即降低了债权型耐心资本的依赖，从而优化了财务结构，增强了抗风险能力。
第三，数据要素的政策效果存在显著的异质性。从企业内部特征看，政策效果在东部地区、低融资约束、高研发投入、初创期和成熟期的企业中更为明显；从外部特征看，政策对高度依赖数据要素的行业作用更强。这表明数据要素赋能效应的发挥，依赖于企业自身的资源禀赋、发展阶段以及所在行业的特性。
（二）政策建议
根据上述研究结论，以下是三条针对性的政策建议。
第一，推广数据赋能技术改造专项，重点提升民营企业的全要素生产率。数据要素提升全要素生产率是增强民营企业资产负债表韧性的重要路径之一，建议由工业和信息化部门牵头，设立数据驱动技术改造专项补贴。该政策应精准支持民营企业采购用于优化生产流程、精益管理和精准营销的数据分析软件及实施服务。补贴可采取“后补助”形式，与企业能耗降低、库存周转加快、成本费用利润率提升等效率指标挂钩，确保资金直接用于提升企业的“造血”能力，从而夯实资产负债表韧性的利润基础。
第二，推动数据资产纳入征信与担保体系，引导资本结构优化。针对数据要素驱动企业形成低杠杆优化结构的发现，核心是解决其轻资产导致的融资难题。建议由人民银行、金融监管总局推动，鼓励商业银行和担保机构探索将企业的数据资产，将合规数据资源、数据分析模型、数据产品收益权等作为辅助增信手段。可率先在国家级大数据综合实验区内开展试点，建立数据资产价值评估指引，允许企业在申请中长期贷款时，以其数据资产作为附加担保，从而改善信贷条件，引导其主动降低短期高息负债，稳步向稳健的资本结构过渡。
第三，实施企业资产负债表韧性分类评估与精准辅导。由于政策效果对东部地区、高研发投入企业等存在异质性，必须避免一刀切。建议发改部门与工商联合作，开发一套企业资产负债表韧性诊断评估工具，免费为企业提供评估服务。该评估将根据企业所属行业、生命周期和数字化基础等，出具个性化报告，明确指出其在运营效率和资本结构上的薄弱环节。同时，配套设立数据顾问制度，为评估结果显示韧性不足的企业提供一对一的政策解读和转型路径咨询，确保扶持政策能精准滴灌到最需要且最能见效的企业，直接提升其财务稳健性。